- 排名
- #23
- 总输出令牌
- 31,065
- 响应时间（平均）
- 11.91s
- 总成本
- $1.822
GPT-5.5 (low) vs GLM 5.2 (medium)
GPT-5.5 (low) 平均分领先，为 9.5 vs 8.2。 GLM 5.2 (medium) benchmark 成本更低，为 $1.007 vs $1.822。 GPT-5.5 (low) 更快，为 11.91s vs 26.88s，通过率为 87.0% vs 81.2%。
已对比模型
- 排名
- #102
- 总输出令牌
- 81,020
- 响应时间（平均）
- 26.88s
- 总成本
- $1.007
推荐模型
GPT-5.5 (low)
它在这里得分最高（9.5），同时响应速度比GLM 5.2 (medium)快约 2.3 倍。
详细对比
| 指标 | GPT-5.5 GPT-5.5 low | GLM 5.2 GLM 5.2 medium |
|---|---|---|
| 分数 | 9.5 | 8.2 |
| 排名 | #23 | #102 |
| 可靠性 | 10.0 | 9.6 |
| 一致性 | 10.0 | 8.1 |
| 尝试次数 | 69/69 | 66/69 |
| 测试正确 | ||
| 尝试通过率 | 87.0% | 81.2% |
| 不稳定测试 | 0 | 4 |
| 总运行次数 | 69 | 66 |
| 每个结果成本 | 9.109 | 2.890 |
| 总成本 | $1.822 | $1.007 |
| 输入价格 | $5.000 / 1M | $0.153 / 1M |
| 输出价格 | $30.000 / 1M | $12.000 / 1M |
| 缓存读取价格 | $0.500 / 1M | $0.150 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 177,939 | 227,164 |
| 输出令牌 | 6,283 | 20,029 |
| 推理令牌 | 24,782 | 60,991 |
| 响应时间（平均） | 11.91s | 26.88s |
| 响应时间（最大） | 56.19s | 102.40s |
| 响应时间（总计） | 273.82s | 591.34s |
| 参数量 | ~1.5T 总计 (~100B 激活) | 744B 总计 (40B 激活) |
| 开放状态 | 闭源 | 开源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#23 GPT-5.5
low- 成本
- $0.068
- 时间
- 37.0s
- 令牌
- 2,339 tok
#102 GLM 5.2
medium- 成本
- $0.041
- 时间
- 195.8s
- 令牌
- 9,287 tok
类别细分
快速对比
切换对比组合
Grok 4.5highvsGLM 5.2mediumDeepSeek V4.1 Flash 1017maxvsGLM 5.2mediumGemini 4 ArgonlowvsGLM 5.2mediumClaude Opus 5.5highvsGPT-5.5lowGemini 3.7 FlashmediumvsGPT-5.5lowKimi K3maxvsGLM 5.2mediumGemini 3.5 FlashhighvsGLM 5.2mediumClaude Haiku 5.5highvsGLM 5.2mediumGPT-5.6 TerrahighvsGLM 5.2mediumGemini 4 ArgonhighvsGPT-5.5lowSeed-2.0-CodelowvsGLM 5.2mediumClaude Opus 5highvsGPT-5.5low